融合物联网技术的动态GRNN模型的污水处理液压系统故障检测研究

液压系统是污水处理中关键部分,液压设备的运行安全和状态监测是污水处理中的重要内容。提出一种融合物联网技术的动态GRNN模型的故障诊断方法,以物联网的智能控制为依托,利用无线传感网络技术对分散的液压设备的各数据参数进行实时测控及远程共享,将采集到的故障信号输入GRNN模型故障观测器,计算检测阈值,通过实验仿真准确的诊断出系统故障。实验表明,该方法能有效的应用在污水处理液压系统中,保证系统正常运行,降低设备故障率,提高生产效率。     

基于多特征阈值判据的航空液压柱塞泵故障诊断方法研究

液压柱塞泵是航空装备液压系统的关键部件,对其进行准确的故障诊断是保障航空装备正常运行的重大前提。针对力、热耦合作用条件下某型机高压柱塞泵开展故障检测和诊断研究,提出了一种基于多特征阈值判据融合的故障诊断方法,首先构建了基于信息统计的阈值判据计算模型,在此基础上设计了多特征故障判定策略,最后构建了液压柱塞泵测试系统并开展了实验验证。实验结果表明,所提出的方法能够有效判别液压柱塞泵故障,为航空柱塞泵故障检测与诊断提供依据。     

自适应阈值故障检测方法在DAMADICS基准平台中的应用

非线性动态系统在实际运行过程中存在建模误差、测量噪音和外部扰动等不确定性,为此提出了一种基于自适应阈值的鲁棒故障诊断方法.该方法采用多层感知机网络建立正常工况的解析模型,采用外部椭圆约束迭代算法估计故障检测的自适应阈值范围,并采用了加权移动平均残差和自适应阈值包络轨迹设计了闭环回路的在线故障检测策略.以DAMADICS基准实验平台的19种故障为例进行了仿真实验,结果表明了该方法的有效性.     

混合动力汽车底盘液压控制系统集成化诊断方法研究

底盘液压控制系统是混合动力汽车底盘域中关键的系统，针对混合动力汽车底盘液压控制系统故障诊断精度下降，故障诊断覆盖率过低的问题，在混合动力汽车底盘液压控制系统结构和集成化诊断拓扑结构基础上，构建了关键部件的精细化模型，采用分段故障阈值方法对底盘液压控制系统进行故障检测，并对故障检测结果进行防抖处理，在构建的混合动力汽车底盘液压控制系统故障模拟实验平台进行故障注入试验，实验结果表明，所采用的故障诊断方法能够提高故障诊断速率和覆盖率，确保故障诊断精度。     

随车起重机变幅液压系统故障诊断仿真

针对液压系统中元件复杂、故障隐蔽性强而造成的诊断难题,提出了基于模型的故障诊断方法,为验证方法的可行性,进一步提出了故障诊断的仿真验证方法,搭建了其仿真模型。以某型随车起重机变幅液压系统的工作原理为基础,分析了变幅液压系统常见故障及故障注入方法,选取换向阀阀芯卡死故障进行诊断,通过阀芯液阻控制模块注入阀芯卡死故障,建立其功率键合图模型;其次,利用扩展遍历路径法生成一组解析冗余关系(ARR)的公式,并推导出阈值计算公式,采用MATLAB/Simulink平台搭建的故障诊断仿真模型计算出系统残差;最终,根据残差估计结果,对带有换向阀卡死故障的变幅液压系统进行诊断。通过诊断结果与初始故障注入对比,以及对随车起重机实验台的故障实验结果分析,验证了基于模型的液压系统故障诊断方法的可行性和高效性,为工程机械液压系统的故障诊断提供了新思路,并为预测液压系统剩余寿命奠定基础。     

基于UG的液压机械臂建模与故障诊断方法研究

液压机械臂是智能化工业制造中不可或缺的重要机械装置,针对在复杂多变的工业应用情景下液压机械臂故障诊断效率下降的问题,在UG交互式建模系统中构建了液压机械臂的实体造型,明确相关性能参数,与此同时,构建了液压机械臂的运动学模型,设计了液压机械臂运动状态观测器,利用分段阈值故障诊断算法对不同工作状态下进行故障检测,最后,在构建的液压机械臂实验平台中验证故障诊断方法的有效性,实验结果表明,采用UG建模辅助方法和分段阈值故障诊断方法能够提升液压机械臂的故障诊断效率和精确度。     

飞机起落架液压收放系统故障诊断方法研究

针对飞机起落架的动态载荷导致液压收放系统发生功能失效的问题,在飞机起落架液压收放系统结构和动力学模型的基础上,采用基于模型和故障响应动态观测器的方法对飞机起落架液压收放系统进行故障诊断,并在飞机起落架液压收放系统故障管理实验台架上进行故障模拟,试验结果验证了故障诊断方法的准确性以及故障响应的鲁棒性。     

基于BP神经网络的翻车机液压系统故障诊断

为了快速诊断出翻车机液压系统故障产生的位置以及故障原因,提出了一种基于BP神经网络算法的翻车机液压系统故障诊断方法,在此基础上提出了大型液压系统故障诊断分块建模的原则。利用某公司C型转子式翻车机故障数据样本建立了整体、分块故障诊断BP神经网络模型,对比实验数据分析表明,采用分块建模原则建立的BP神经网络故障诊断模型对翻车机液压系统故障具有较高识别精度,对提高翻车机液压系统状态监测与故障诊断能力有较大实用价值和工程意义。     

基于变阈值自适应的液压泵泄漏实时故障诊断系统

针对目前液压系统故障诊断中模型不容易建立,参考人工智能的经验设计了液压泵的故障模型。鉴于经验的不足之处,采用模糊神经网络系统对人的经验进行优化。与传统的智能故障诊断相比较而言,诊断的阈值可以随着系统发生改变。实验结果表明,该方法能适应不同的工作状况对液压泵的泄漏进行实时监测。     

基于模型的电液控制系统故障诊断方法

为诊断电液伺服控制系统故障,提出了一种模型的方法,它是在Tina平台上实现的.通过不同开关的动作来虚拟模拟常见的故障,诸如放大器漂移、系统参数改变、伺服阀反冲以及传感器失灵等,设置了一些阈值以用于故障的检测,可清楚地演示如何建立系统模型、如何产生残差以及如何进行故障诊断等,为研究和应用基于模型的故障诊断方法提供了一个方便、可行的途径.     

EMD-AR和GRNN算法下的航空液压泵多模态故障诊断分析

针对新一代飞机高综合化、高复杂度和高耦合性导致的传统推理故障诊断策略难以满足现代维修保障需求的问题,开展基于广义回归神经网络(Generalized Regression Neural Network,GRNN)的飞机液压泵智能化故障诊断研究。构建经验模态分解(Empirical Mode Decomposition,EMD)与自回归(Autoregressive,AR)相融合的深度特征提取方法,提升原始信号的隐层故障特征筛选能力;再将增强后的隐层特征与GRNN相结合进行神经网络训练,提升智能诊断模型的识别精度。实验结果表明,EMD-AR-GRNN智能诊断模型能快速、准确地诊断出液压泵各故障模态,对保障设备的安全运行,提升系统可靠性具有重要的意义。     

用于脉冲涡流检测的新型数据处理方法

脉冲涡流检测是一种广泛应用的无损检测技术,是近年来的研究热点。本文对脉冲涡流检测的一种新型数据处理方法进行研究,为增强脉冲涡流检测技术的智能化水平提供理论依据。首先以感应信号分析为基础,分析了二阶系统拟合方法应用于脉冲涡流检测数据处理的合理性;然后对广义回归神经网络用于模式识别的优势进行分析,并应用该方法对脉冲涡流感应的模型参数进行分类,从而对被测导体进行材质鉴别及量化特征的识别分析;最后,通过实验验证了该"二阶系统拟合-基于GRNN的模式识别"方法的有效性并分析存在的问题,同时也指出了有待进一步深化研究的方向。     

应用广义回归神经网络重建点云曲面

针对现有曲面重建神经网络算法误差大的缺点,并根据广义回归神经网络解决函数逼近问题的特点,提出了一种针对点云曲面重构的广义回归神经网络,并编制Matlab程序对点云曲面做了仿真试验；仿真结果表明：该模型逼近曲面误差精度达到网络设计要求的10~(-4)mm,网络学习速度快,重建曲面光顺．     

基于广义回归神经网络的时间序列预测研究

介绍了广义回归神经网络的基本理论,提出了应用BIC准则确定输入神经元数目的方法．将其应用于大型旋转机械振动状态时间序列的单步和多步预测,与传统的采用误差反向传播学习算法的三层前馈感知器网络(BP神经网络)的预测结果进行对比。结果表明,该网络的预测性能优于后者,即使样本数据稀少,也能获得满意的预测结果。     

基于广义回归神经网络的弹丸落点预报方法

为快速精确地预报弹丸落点,提出了基于一种广义回归神经网络的弹丸落点预报方法。首先,建立了 GRNN 网络落点预报模型;其次,采用粒子群算法对预报模型中的光滑因子进行了优化,得到了最佳的 GRNN 网络的落点预报模型;最后,对该预报模型进行数值仿真。结果表明,该方法预报射程的最大误差不超过40 m,横偏误差不超过0.2 m;且预报落点的平均时间为6.645 ms,与数值积分法相比,减少了1300.623 ms。因此,该方法快速精确地预报弹丸落点是有效可行的,可作为工程实际应用的理论参考。     

基于单片机的充填机机电一体化系统故障诊断

研究基于单片机的充填机机电一体化系统故障诊断方法,提升充填机机电一体化系统的故障诊断精度。选取TMS320C54X单片机作为充填机机电一体化系统的核心处理器,TMS320C54X单片机利用内置的智能处理模型预处理传感器采集的充填机机电一体化系统运行信号,滤波处理所采集的信号;选取EMD分解方法处理完成滤波处理后信号,提取充填机机电一体化系统的故障信号特征向量;选取GRNN神经网络依据所提取的故障特征向量实现故障诊断,利用CAN总线通信方式传送故障诊断结果至充填机机电一体化系统的远程控制中心,实现充填机机电一体化系统故障诊断。实验结果表明,该方法可以有效诊断充填机机电一体化系统不同类型故障,故障诊断精度高于98%,故障平均诊断时间均低于220 ms。     

基于ICEEMDAN-GRNN神经网络的往复泵故障诊断方法研究

往复泵作为石油石化行业重要的输送设备,通过振动监测手段来保证系统的安全稳定运行具有重要的现实意义。如何对往复泵的非平稳和非线性信号提取特征并进行准确识别是诊断中的关键问题。针对往复泵故障特征的提取,提出了一种利用ICEEMDAN-GRNN神经网络相结合的诊断方法。首先利用ICEEMDAN对采集的原始信号进行分解得到若干个IMF分量,然后计算IMF分量的奇异谱熵并构造特征向量,再将特征向量输入到GRNN神经网络进行训练和模式识别。研究表明:该方法可以有效提取往复泵的故障特征并进行准确的模式识别。     

分层顺序测试优化方法研究

针对复杂层次系统的故障隔离问题.提出了一种分层顺序测试优化方法.首先基于层次系统故障与测试之间的关联关系,以及故障与不同层级可更换单元的隶属关系,结合故障的先验概率与可用测试成本,构造了层次系统故障隔离问题的数学描述模型;然后以信息增益为启发策略,提出了一种准多步前向搜索算法,实现了不同隔离级的测试顺序优化.经某型卫星电源系统试验验证结果表明,该方可显著提高层次系统的故障隔离效率.     

人工神经网络-近红外光谱法测定桉树中综纤维素的含量

采用近红外光谱技术结合广义回归神经网络(GRNN)建立测定桉树中综纤维素的定量分析模型。以72个桉树样品作为实验材料,对光谱数据进行平滑、求导、压缩以及归一化,用桉树的近红外光谱数据建立广义回归神经网络模型.预测模型的预测均方根误差为0.0198。结果表明,该方法测量比较准确,可以用于桉树中综纤维素含量的预测。     

风机叶轮与轴不平衡振动故障分析与治理研究

介绍大型风机的分类及其分类结构,重点分析了大型风机叶轮与轴系统的不平衡振动故障类型,故障产生的原因,及其解除故障的方法;并将方法应用到实际风机不平衡检测中,实现风机的现场动平衡校正。校正结果表明,动平衡校正能达到很好的效果。